开发端到端的人工智能模型用于外科手术规划的跨腰间体融合
Anh Tuan Bui1,2, Hieu Le3, Tung Thanh Hoang2
1International Ph.D. Program in Medicine, College of Medicine, Taipei Medical University, Taipei 11031, Taiwan.
Bioengineering (Basel, Switzerland)
|February 23, 2024
概括
计算机模型可以预测手术后的脊髓融合高度和腰部主症. 这个AI管道使用X射线预测结果,改善腰部退行性疾病的手术规划.
科学领域:
- 脊柱外科手术 脊柱外科手术
- 医疗成像医学成像
- 机器学习 机器学习
背景情况:
- 形腰椎体间融合 (TLIF) 是腰椎退行性疾病的标准手术程序.
- 准确预测术后的结果,如子高度和腰部主病,对于成功的TLIF手术至关重要.
- 目前用于预测这些结果的方法可能耗时,可能缺乏准确性.
研究的目的:
- 开发和验证一个完全由计算机支持的管道,用于预测TLIF后的体内高度和术后的骨盆发病率-腰椎 (PI-LL).
- 利用手术前的X射线图像和机器学习算法来预测结果.
- 为了确定最佳的机器学习模型,以准确预测手术参数.
主要方法:
- 开发了一个两阶段的自动化管道,利用预训练的BiLuNet深度学习模型从X射线图像中提取特征.
- 通过对311名患者的数据集进行5倍交叉验证,训练和评估了5个机器学习算法.
- 拉索回归和支向量的回归被确定为对子高度和PI-LL预测的最佳表现模型.
主要成果:
- 子高度预测模型实现了1.01毫米的根平均平方误差 (RMSE),在12毫米时有54.43%的准确预测,大多数误差在1毫米内.
- PI-LL预测模型表现出令人满意的性能,RMSE为5.19,PI-LL分层的准确度为0.81.
- 开发的管道显示了TLIF手术中关键术后参数的可靠预测能力.
结论:
- 在计算机支持的管道中集成的机器学习模型可以可靠地预测TLIF后的体间高度和术后PI-LL.
- 这种方法提供了一个有前途的工具,以提高手术规划和优化脊髓融合手术患者的结果.
- 该研究强调了人工智能在提高脊柱外科手术术前手术评估的精度和效率方面的潜力.
